熊猫：生成一个数据框列，其值取决于数据框的另一列答案

【问题标题】：Pandas: Generate a Dataframe column which has values depending on another column of a dataframe熊猫：生成一个数据框列，其值取决于数据框的另一列
【发布时间】：2019-04-22 13:32:49
【问题描述】：

我正在尝试生成一个 pandas 数据框，其中一列将具有基于另一个数据框中列的值的数值。下面是一个例子：我想根据一列数据帧df_生成另一个数据帧_

ipdb> df_ = pd.DataFrame({'c1':[False, True, False, True]})
ipdb> df_
      c1
0  False
1   True
2  False
3   True

使用 df_ 生成另一个数据框 df1，其列如下。

ipdb> df1
   col1  col2
0     0   NaN
1     1   0
2     2   NaN
3     3   1

这里，'col1' 具有正常的索引值，'c1' 在 df_ 中为 False 的行中具有 NaN，并且在 'c1' 为 True 的情况下按顺序递增值。

要生成这个数据框，下面是我尝试过的。

ipdb> df_[df_['c1']==True].reset_index().reset_index()
   level_0  index    c1
0        0      1  True
1        1      3  True

但是，我觉得应该有更好的方法来生成包含 df1 中的两列的数据框。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我认为你需要cumsum 并减去1 才能从0 开始计数：

df_ = pd.DataFrame({'c1':[False, True, False, True]})

df_['col2'] = df_.loc[df_['c1'], 'c1'].cumsum().sub(1)
print (df_)
      c1  col2
0  False   NaN
1   True   0.0
2  False   NaN
3   True   1.0

另一个解决方案是通过sum 和numpy.arange 计算True 值的出现次数，然后分配回过滤后的DataFrame：

df_.loc[df_['c1'],'col2']= np.arange(df_['c1'].sum())
print (df_)
      c1  col2
0  False   NaN
1   True   0.0
2  False   NaN
3   True   1.0

详情：

print (df_['c1'].sum())
2

print (np.arange(df_['c1'].sum()))
[0 1]

【讨论】：

已更新，您的第二个解决方案令人印象深刻，它是 len 的替代品，干杯 +1
@jezrael 我正在使用你的第二种方法。新列中的值是浮点数。有没有办法将这些值作为 int 类型？我尝试将 dtype=np.int32 作为 np.arange() 的参数，但这也没有帮助。
@GAURAVSRIVASTAVA - 不幸的是不是，因为 NaN 值 - 它强制所有值到 float。可能的解决方案是添加1 以从1 计数并将NaNs 替换为0，如df_['col2'] = df_['col2'].add(1).fillna(0).astype(int)

【解决方案2】：

解决这个问题的另一种方法，

df.loc[df['c1'],'col2']=range(len(df[df['c1']]))

输出：

      c1  col2
0  False   NaN
1   True   0.0
2  False   NaN
3   True   1.0

【讨论】：

我认为range(len(df[df['c1']==True])) 应该简化为range(len(df[df['c1']]))